二型模糊決策方法及其在個性化推薦中的應用.pdf

1、目前，基于大數(shù)據(jù)驅動的管理與決策方法研究，是管理科學領域研究的熱點問題。由于決策環(huán)境和決策行為的復雜性，在大數(shù)據(jù)背景下如何根據(jù)用戶的行為偏好和知識發(fā)現(xiàn)，實現(xiàn)對用戶的個性化推薦，以及如何將多屬性決策方法與個性化推薦系統(tǒng)進行有機結合，研究基于多屬性決策理論的個性化推薦系統(tǒng)就具有重要的理論價值與現(xiàn)實意義。本論文將主要利用二型模糊集對語言和語義信息的強大處理能力，以二型模糊信息集成與決策方法為切入點，結合粒計算的相關方法和技術，研究基于二型模糊

2、決策方法的個性化推薦模型，為大數(shù)據(jù)背景下的復雜、動態(tài)、信息不完全個性化推薦問題研究提供新的思路和解決方案。論文主要研究內容如下:
　　(1)基于信息集成理論，提出了基于Maclaurin對稱平均的區(qū)間二型模糊信息集成算子，并給出了其對偶形式及指數(shù)擴展形式。研究了其參數(shù)單調性，并指出相較于現(xiàn)有的區(qū)間二型模糊信息集成算子，區(qū)間二型模糊Maclaurin對稱平均算子能夠柔性地處理具有多重關聯(lián)關系的區(qū)間二型模糊信息的集成問題。在此基礎上，

3、提出了一種處理區(qū)間二型模糊決策問題的方法，并將其應用于中國科技論文在線的論文評審推薦系統(tǒng)中。為研究具有關聯(lián)關系的二型模糊決策問題提供新的方法。
　　(2)基于多屬性決策理論，分別從排序方法、效用模型和優(yōu)化模型三個方面研究了基于區(qū)間二型模糊信息的多屬性決策方法。首先，針對二型模糊集中的一個難點問題:排序問題。給出了一種基于三種初等平均的組合排序值方法。并且從數(shù)學的角度證明了該排序方法不但滿足線性序（全序）關系，而且還滿足admiss

4、iable序關系。在此基礎上，進一步研究了基于組合排序值的區(qū)間二型模糊決策方法。然后，基于行為決策理論，借鑒行為經(jīng)濟學中的柔性三參數(shù)(FTP)效用函數(shù)，給出了基于FTP效用函數(shù)的二型模糊OWA算子，并針對大規(guī)模復雜決策問題，提出了基于模糊聚類的區(qū)間二型模糊多屬性決策方法。進一步將前景理論與經(jīng)典的VIKOR方法進行結合，研究了基于動態(tài)參考點的區(qū)間二型模糊行為決策方法，并將其應用于高新技術風險投資評估推薦系統(tǒng)中。最后，將多目標優(yōu)化中的LIN

5、MAP（多維線性規(guī)劃）方法擴展到了區(qū)間二型模糊環(huán)境下，研究了決策者偏好的提取方法，建立了一系列屬性權重信息不完全時的優(yōu)化決策模型，并將其運用在了手機購買的個性化推薦中。這些新方法的提出，進一步豐富了二型模糊決策方法的理論體系，同時也擴展了二型模糊決策理論在處理個性化商務推薦的應用范圍。
　　(3)基于粒計算理論，研究了個性化推薦中的評分矩陣的稀疏性問題。以粒計算方法為切入點，建立了以Coverage和Specificity準則為核

6、心的協(xié)同優(yōu)化模型。提出了求解該模型的智能優(yōu)化算法。在一定程度上克服了現(xiàn)有的基于矩陣分解和變分優(yōu)化方法所帶來的高計算復雜性，為解決個性化推薦中的瓶頸問題提供了新的研究手段和方法。
　　(4)基于二型模糊決策方法研究了個性化推薦模型。以兩種新的多屬性決策方法BTW和MULTIMOORA為基礎，結合最優(yōu)信息粒建模的思想，提出了基于多屬性協(xié)同過濾和內容的混合推薦模型。對于推薦模型求解中的參數(shù)設置問題，研究了個性化、差異化的參數(shù)設置方法。<